Stata 观测子集的局部宏

我想为我的数据集的一个子集创建一个本地宏，用于将来的回归（参见第节）

我从以下代码开始：

quietly reg y x1 x2 x3
local subset if e(sample)
list Unit `subset'
reg y x1 x2 if `subset'

x3

缺少值，因此在第一个

reg

命令中排除了一些观察值。

list

命令的输出确实表明宏的内容确实是我想要的（

Unit

是标识观察的变量）

但是，在最后一个命令之后，我收到一条错误消息：

if not found
r(111);

从

r（111）

上的信息：

__________未找到
没有定义变量
该变量不存在。您可能输入了错误的变量名称

---

我的语法有什么问题？也就是说，为什么Stata将

if

视为一个变量？

您当前的问题是您有一个双

if

。本地宏“subset”包含字符串“if e（sample）”，因此当Stata解释该行时：

reg y x1 x2 if `subset'

内容如下：

reg y x1 x2 if if e(sample)

---

更重要的问题是，该方法非常脆弱，因为每个估算命令都会覆盖

e（sample）

的内容。这样做可能更安全：

quietly reg y x1 x2 x3
gen byte touse = e(sample)
reg y x1 x2 if touse

---

这将创建一个变量，该变量不会被未来的估计命令覆盖，当您希望使用该观测值（因此得名）时，该变量包含1，当您不希望使用该观测值时，该变量包含0。由于1s被视为“真”，0s被视为“假”，因此if-tuse语句选择您想要使用的观察值。

您当前的问题是if有一个双

。本地宏“subset”包含字符串“if e（sample）”，因此当Stata解释该行时：

reg y x1 x2 if `subset'

内容如下：

reg y x1 x2 if if e(sample)


更重要的问题是，该方法非常脆弱，因为每个估算命令都会覆盖
e（sample）
的内容。这样做可能更安全：

quietly reg y x1 x2 x3
gen byte touse = e(sample)
reg y x1 x2 if touse

这将创建一个变量，该变量不会被未来的估计命令覆盖，当您希望使用该观测值（因此得名）时，该变量包含1，当您不希望使用该观测值时，该变量包含0。由于1s被视为“真”，0s被视为“假”，因此语句
if-tuse
选择您要使用的观察值。
根据您的定义，文本
if
是宏内容的一部分

quietly reg y x1 x2 x3
local subset if e(sample)
list Unit `subset'
reg y x1 x2 if `subset'

因此，
list
命令可以工作，因为它被解释为

list Unit if e(sample) 

regress y x1 x2 if if e(sample) 

但是
回归
命令不起作用，因为它被解释为

list Unit if e(sample) 

regress y x1 x2 if if e(sample) 

斯塔塔被第二个
if
弄糊涂了

这是一笔相对较小的交易。更重要的是，您所做的一切绝对是将文本
if e（sample）
放入本地宏
子集
，并在键入时保存几个字符。这是脆弱的，因为下一个估计命令可能使用不同的估计样本，本地宏将不会有相同的含义。有一种更好的方法可以安全地跟踪估计样本，即在模型估计后立即创建一个指标，例如

gen byte regsample = e(sample) 

然后
如果regsample
保证选择完全相同的子集（包括所有使用的观察值）
 根据您的定义，如果

是宏内容的一部分，则文本为

quietly reg y x1 x2 x3
local subset if e(sample)
list Unit `subset'
reg y x1 x2 if `subset'

因此，
list
命令可以工作，因为它被解释为

list Unit if e(sample) 

regress y x1 x2 if if e(sample) 

但是
回归
命令不起作用，因为它被解释为

list Unit if e(sample) 

regress y x1 x2 if if e(sample) 

斯塔塔被第二个
if
弄糊涂了

这是一笔相对较小的交易。更重要的是，您所做的一切绝对是将文本
if e（sample）
放入本地宏
子集
，并在键入时保存几个字符。这是脆弱的，因为下一个估计命令可能使用不同的估计样本，本地宏将不会有相同的含义。有一种更好的方法可以安全地跟踪估计样本，即在模型估计后立即创建一个指标，例如

gen byte regsample = e(sample) 

然后
如果regsample
保证选择完全相同的子集（包括所有使用的观察值）